2025 年 11 月 18 日晚，Cloudflare 爆发了一次影响全球的大范围故障。CDN、WAF、Workers、Access 等核心链路集体异常，导致大量网站出现 5xx 错误、登录失败、人机验证异常 等问题。

这不是攻击，也不是 DDoS，而是一起 内部变更引发的连锁反应。😅

BLOG-3079_2.png

🕒 一、事件时间线（含北京时间）

BLOG-3079_3.png

UTC 时间

北京时间

状态

11:05

19:05

Cloudflare 部署数据库权限调整

11:20–11:30

19:20–19:30

全球开始出现大量 5xx，故障全面爆发

13:05

21:05

Access / Workers KV 启动临时绕过措施

14:24

22:24

停止推送异常特征文件并开始修复

14:30

22:30

主链路逐步恢复

17:06

01:06（11/19）

所有服务完全恢复

📌 从国内时间来看，这次事故贯穿了当晚黄金时段（感受明显😓，多数网站打不开），一直到凌晨才真正恢复。

🧠 二、事故的根本原因

Diagram of our reverse proxy architecture

Cloudflare 的 Bot Management 系统依赖一个 “特征文件” 来判断机器人行为。
这次事故的触发链路如下：

  1. 🔧 Cloudflare 调整了 ClickHouse 的数据库权限

  2. 📊 查询结果突然出现重复数据

  3. 🗂️ 特征文件体积暴涨，超过了 FL / FL2 的加载限制

  4. 💥 新版代理直接崩溃；旧版代理虽然不崩但评分全变为 0

  5. 🌍 大量边缘节点线程挂掉 → 全球用户看到广泛的 5xx

一句话总结：

上游一个权限变更，引发了下游整个 Cloudflare Edge 的震荡。

这是典型的 “微小调整 → 系统性连锁爆炸” 的复杂系统问题。

📉 三、受影响的 Cloudflare 服务

Error on the Cloudflare status page

这次故障几乎覆盖了 Cloudflare 的所有 Edge 产品：

  • 🚫 CDN / WAF： 大量 5xx，很多网站无法访问

  • ⚙️ Workers KV： 读取失败、业务逻辑报错

  • 🔐 Cloudflare Access： 登录失败、策略更新异常

  • 🖥️ Dashboard / Turnstile： 无法登录、验证不稳定

  • 📧 Email Security： 垃圾邮件识别能力下降

📌 实际体验上：
无论企业站点、个人博客还是 API，都在不同程度上受到了影响。

🔧 四、Cloudflare 的应对措施

Cloudflare 的处理较为迅速和“工业化”，主要包含：

  1. 🛑 立即停止推送异常特征文件
    阻止问题继续扩散。

  2. 🔙 回滚到正常特征文件版本
    让代理恢复可运行状态。

  3. 📴 为机器人管理系统加入紧急关闭机制
    防止未来单个文件异常再触发系统性故障。

  4. 🛡 强化代理的越界检测与错误处理
    包括严格验证、错误日志限制、运行状态保护等。

💬 五、一些值得注意的点

复杂系统永远存在“组合风险”

这次故障不是 Bug，而是“权限调整 + 特征文件系统 + 代理限制”共同触发。

Cloudflare 的透明度依旧行业领先

详细的复盘报告、时间线和责任链路都公开透明。

高度依赖 Cloudflare 的企业应考虑冗余

特别是使用 Access、Workers 作为核心链路的企业。
一旦 Cloudflare 挂了，你的系统会瞬间断电。

对整个行业是一次提醒

互联网基础设施不是“写好代码就万事大吉”。

真正的难点是规模、依赖链和长期演化的架构。

🧩 六、小结

Cloudflare 的 11·18 故障是一场典型的 “小变更 → 大爆炸” 的互联网基础设施事故。
持续近 6 小时，影响范围极大。

这次事件再次证明：

现代互联网的复杂性来自链路，而不是代码本身。

Cloudflare 在修复后开始加强系统级防护，但对于开发者、站点运营者而言，更重要的是：

  • ⚠️ 考虑冗余

  • ⚙️ 分散关键服务

  • 🌐 不要把所有流量、验证、回源都压在一个平台上